Вступление

???????????? ?? ???????????????? (???????????? ???????????????? ????????????????)

Обработка данных

Загрузка необходимых пакетов

library(dplyr)
library(ggplot2)
library(wbstats) 
library(xlsx)
library(gridExtra)

Загрузка данных

# DOWNLOAD FILES

## 1. Extractive Industry Data
url <- "https://rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/master/Data/Extractive%20industry.xlsx"
if(!file.exists("Extractive industry.xlsx")){
        download.file(url, destfile = "Extractive industry.xlsx", method = "curl")
}

## 2. Processing Industry Data
url <- "https://rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/master/Data/Processing%20industry_fin.xlsx"
if(!file.exists("Processing industry_fin.xlsx")){
        download.file(url, destfile = "Processing industry_fin.xlsx", method = "curl")
}
## 3. Investments in the fixed assets of ukrainain companies by type of the economic activity per year
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/investments%20in%20the%20fixed%20assets.xlsx"
if(!file.exists("investments in the fixed assets.xlsx")){
        download.file(url, destfile = "investments in the fixed assets.xlsx", method = "curl")
}

## 4. Data on the number of people employed in various sectors of the economy for years 
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/labour.xlsx"
if(!file.exists("labour.xlsx")){
        download.file(url, destfile = "labour.xlsx", method = "curl")
}

## 5. Private sector share in GDP (in per cent)  
#url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/GDP_by_private_companies_ua_by_year.xlsx"
#if(!file.exists("GDP_by_private_companies_ua_by_year.xlsx")){
#        download.file(url, destfile = "GDP_by_private_companies_ua_by_year.xlsx", method = "curl")
#        }

## 5. Private sector share in GDP (in per cent) 
url <- "http://www.ebrd.com/downloads/research/economics/macrodata/sci.xls"
if(!file.exists("sci.xls")){
        download.file(url, destfile = "sci.xls", method = "curl")
}

## 6. Data on investments in privatized companies by years
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/investments_in_privatized_companies.xlsx"
if(!file.exists("investments_in_privatized_companies.xlsx")){
        download.file(url, destfile = "investments_in_privatized_companies.xlsx", method = "curl")
}

## 7. Data on Enterprises by ownership
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/number_of_enterprices_%20by_ownership_ua.xlsx"
if(!file.exists("number_of_enterprices_ by_ownership_ua.xlsx")){
        download.file(url, destfile = "number_of_enterprices_ by_ownership_ua.xlsx", method = "curl")
}

## 8. Privatization contracts by State control over the fulfillment of the terms of sales contracts by groups of privatization objects 
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/privatization_contracts_over_control.xlsx"
if(!file.exists("privatization_contracts_over_control.xlsx")){
        download.file(url, destfile = "privatization_contracts_over_control.xlsx", method = "curl")
}

## 9. Privatization index of EBRD. Selected countries
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/privatization_index_EBRD_selected_countries.xlsx"
if(!file.exists("privatization_index_EBRD_selected_countries.xlsx")){
        download.file(url, destfile = "privatization_index_EBRD_selected_countries.xlsx", method = "curl")
}

## 10. % of privatization in the total Ukrainian budget receipts per year
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx"
if(!file.exists("privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx")){
        download.file(url, destfile = "privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx", method = "curl")
}

## 11. Data on the groups, number and years of privatized companies in the Ukraine
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/265e2aa7/Data/privatization_ua.xlsx"
if(!file.exists("privatization_ua.xlsx")){
        download.file(url, destfile = "privatization_ua.xlsx", method = "curl")
}

## 12. Ukrainian Budget Receipt from privatization (comulative total)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/ukr_budget_receipt_comulative_total.xlsx"
if(!file.exists("ukr_budget_receipt_comulative_total.xlsx")){
        download.file(url, destfile = "ukr_budget_receipt_comulative_total.xlsx", method = "curl")
}

## 13. Ukrainian Budget Receipt from privatization (per year)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/ukr_budget_receipt_per_year.xlsx"
if(!file.exists("ukr_budget_receipt_per_year.xlsx")){
        download.file(url, destfile = "ukr_budget_receipt_per_year.xlsx", method = "curl")
}

## 14. Number of privatized companies of groups В,G by industries on.01.01.2005
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/9aac259c/Data/privatization_by_economic_activity.xlsx"
if(!file.exists("privatization_by_economic_activity.xlsx")){
        download.file(url, destfile = "privatization_by_economic_activity.xlsx", method = "curl")
}

## 15. Analysis of the control over the fulfillment of the terms of sales contracts by groups of privatization objects
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/00c8fffa/Data/violations_in_%20the_%20contracts_over_control.xlsx"
if(!file.exists("violations_in_ the_ contracts_over_control.xlsx")){
        download.file(url, destfile = "violations_in_ the_ contracts_over_control.xlsx", method = "curl")
}

## 16. Penalties accrued for violating the terms of contracts of sale and purchase of privatization objects by years
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/00c8fffa/Data/penalties_per_violation_in_the_contracts_over_control.xlsx"
if(!file.exists("penalties_per_violation_in_the_contracts_over_control.xlsx")){
        download.file(url, destfile = "penalties_per_violation_in_the_contracts_over_control.xlsx", method = "curl")
}

#----------------------------------------------------------------------------------------------------------------

#READ FILES
## 1. Extractive Industry Data
ExtractiveIndustry <- read.xlsx("Extractive industry.xlsx", sheetName="extractive industry", header=TRUE)
## 2. Processing Industry Data
setwd("/Users/aleksandr/Documents/GIT/Privatization-in-Ukraine.-1992-2015/Data")
ProcessingIndustry <- read.xlsx("Processing industry_fin.xlsx", sheetName="processing industry", header=TRUE)
## 3. Investments in the fixed assets of ukrainain companies by type of the economic activity per year
FixedAssetsInvestments <- read.xlsx("investments in the fixed assets.xlsx", sheetName="investments in the fixed assets",header=TRUE)
## 4. Data on the number of people employed in various sectors of the economy for years
Labour <- read.xlsx("labour.xlsx", sheetName="labour of ukraine", header=TRUE)
## 5. Private sector share in GDP (in per cent) 
#GDPprivat <- read.xlsx("GDP_by_private_companies_ua_by_year.xlsx", sheetName="GDP by private companies in Ukr", header=TRUE)

GDPprivat <- read.xlsx("sci.xls", sheetName="Ukraine", header=TRUE)

## 6. Data on investments in privatized companies by years
PrivatizedCompaniesInvestments <- read.xlsx("investments_in_privatized_companies.xlsx", sheetName="invest", header=TRUE)
## 7. Data on Enterprises by ownership
OwnershipData <- read.xlsx("number_of_enterprices_ by_ownership_ua.xlsx", sheetName="enterprises by ownership", header=TRUE)
## 8. Privatization contracts by State control over the fulfillment of the terms of sales contracts by groups of privatization objects 
PrivStateControl <- read.xlsx("privatization_contracts_over_control.xlsx", sheetName="control over contracts", header=TRUE)
## 9. Privatization index of EBRD. Selected countries
PrivIndexEBRD <- read.xlsx("privatization_index_EBRD_selected_countries.xlsx", sheetName="privatization index", header=TRUE)
## 10. % of privatization in the total Ukrainian budget receipts per year
BudgetPrivReceipts <- read.xlsx("privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx", sheetName="% of privatization in total ", header=TRUE)
## 11. Data on the groups, number and years of privatized companies in the Ukraine
PrivatizationUA <- read.xlsx("privatization_ua.xlsx", sheetName="privatization", header=TRUE)
## 12. Ukrainian Budget Receipt from privatization (comulative total)
BudgetPriv_comulative <- read.xlsx("ukr_budget_receipt_comulative_total.xlsx", sheetName="budget receipt comulative", header=TRUE)
## 13. Ukrainian Budget Receipt from privatization (per year)
BudgetPriv_perYear <- read.xlsx("ukr_budget_receipt_per_year.xlsx", sheetName="budget receipts per year", header=TRUE)
## 14. Number of privatized companies of groups В,G by industries on.01.01.2005
Priv_economic_activity <- read.xlsx("privatization_by_economic_activity.xlsx", sheetName="privatization by econom.act.", header=TRUE)
## 15. Analysis of the control over the fulfillment of the terms of sales contracts by groups of privatization objects
Violations_contracts <- read.xlsx("violations_in_ the_ contracts_over_control.xlsx", sheetName="violations", header=TRUE)
## 16. Penalties accrued for violating the terms of contracts of sale and purchase of privatization objects by years
Penalties_per_violation <- read.xlsx("penalties_per_violation_in_the_contracts_over_control.xlsx", sheetName="penalties", header=TRUE)

Очистка данных

# 1. Extractive Industry Data
## new column names of dataframe
colnames(ExtractiveIndustry) <- c("ProductName", "Units", "1990", "1991", "1992", "1993", "1994", "1995", "1996", "1997", "1998", "1999", "2000", "2001", "2002", "2003", "2004", "2005", "2006", "2007", "2008", "2009", "2010", "2011", "2012", "2013", "2014", "2015")

## new temporary dataframe
testDF <- data.frame()
## convert dataframe ExtractiveIndustry in to machine format
for (x in 1:15) {
        year <- 1990
        testDF$X.Coal.available. <- as.character(testDF$X.Coal.available.)
        testDF$X.Million.tones. <-  as.character(testDF$X.Million.tones.)
        for(i in 3:28){
                testDF$X.1990. <- as.numeric(testDF$X.1990.)
                testDF$NA_character_. <- as.numeric(testDF$NA_character_.)
                temp <- c(as.character(ExtractiveIndustry[x,1]),
                          as.character(ExtractiveIndustry[x,2]), as.numeric(ExtractiveIndustry[x,i]),
                          as.numeric(year))
                testDF <- rbind(testDF, temp)
                year <- year +1 
        }   
}
## new column names of dataframe
colnames(testDF) <- c("ProductName", "Units", "Value", "Year")
## deleting of excess line
testDF <- testDF[-1,]
## Extractive Industry Data in new format
ExtractiveIndustry <- testDF

#2. Processing Industry Data
## new column names of dataframe
colnames(ProcessingIndustry) <- c("ProductName", "Units", "1990", "1991", "1992", "1993", "1994", "1995", "1996", "1997", "1998", "1999", "2000", "2001", "2002", "2003", "2004", "2005", "2006", "2007", "2008", "2009", "2010", "2011", "2012", "2013", "2014", "2015")

## change class of the columns 
for(i in 3:28){
        ProcessingIndustry[,i] <- suppressWarnings(as.numeric(as.character(ProcessingIndustry[,i])))
}

## new temporary dataframe
testDF <- data.frame()
## convert dataframe ProcessingIndustry in to machine format
for (x in 1:147) {
        year <- 1990
        testDF$X.Fresh..fresh.killed..or.cooled.beef.and.veal. <- as.character(testDF$X.Fresh..fresh.killed..or.cooled.beef.and.veal.)
        testDF$X.Thousand.tons. <-  as.character(testDF$X.Thousand.tons.)
        
        for(i in 3:28){
                testDF$X.1990. <- as.numeric(testDF$X.1990.)
                testDF$NA_character_. <- as.numeric(testDF$NA_character_.)
                temp <- c(as.character(ProcessingIndustry[x,1]),
                          as.character(ProcessingIndustry[x,2]), as.numeric(ProcessingIndustry[x,i]),
                          as.numeric(year))
                testDF <- rbind(testDF, temp)
                year <- year +1 
        }   
        
}

## new column names of dataframe
colnames(testDF) <- c("ProductName", "Units", "Value", "Year")
## deleting of excess line
testDF <- testDF[-1,]
## Extractive Industry Data in new format
ProcessingIndustry <- testDF

# 5. Private sector share in GDP (in per cent)  
GDPprivat2 <- GDPprivat 
GDPprivat <- data.frame(GDPprivat2[2,3],GDPprivat2[5,3])
for(i in 4:9){
        temp <- data.frame(GDPprivat2[2,i],GDPprivat2[5,i])
        names(GDPprivat) <- names(temp)
        GDPprivat <- rbind(GDPprivat, temp)
}

colnames(GDPprivat) <- c("Year", "% of GDP by private companies")

ПРИВАТИЗАЦИЯ В УКРАИНЕ. 1992-2015 ГГ.

Информация о данных, используемых в данном разделе

Большинство статистических данных раздела «Приватизация в Украине 1992-2015 гг.» (рис.1-3), касающиеся количественных показателей приватизированных объектов в Украине по группам и годам взяты из официальных итоговых годовых отчетов Фонда государственного имущества Украины за соответствующие годы (с 1992 по 2016). На момент последней редакции данной работы, эти отчеты можно было выбрать среди других документов и загрузить на портале Фонда в разделе Деятельность /Отчеты Фонда по ссылке http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html . Отчеты меняли свою структуру из года в год, но в основном (особенно в последние годы), общие количественные данные по приватизированным объектам представлялись в отчетах в приложении 1. Кроме того, для удобства читателя, данные отчеты были отобраны авторами и загружены на сайте __________. Для того, что бы иметь возможность отследить динамику приватизации объектов по годам и группам, таблицы с разбивкой по годам формировались из этих отчетов авторами самостоятельно. Данные авторских таблиц в формате excel могут быть загружены читателем на сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_ua.xlsx.* Данные графика 5 (индекс приватизации) взяты авторами из базы данных ЕБРР. Полные версии файлов с данными по индексу приватизации более чем по 50 странам могут быть самостоятельно загружены читателем на портале ЕБРР (путь: Home/What We Do/EBRD economics/Economic data/Forecasts/data, indicators). На момент последней редакции данной работы это соответствовало ссылке http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html. Кроме того, для удобства читателя, данные файлы были загружены авторами на сайт __________. На основе данных, выбранных для анализируемых стран, авторами была сформирована таблица в формате excel, которая так же загружена на сайт https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_index_EBRD_selected_countries.xlsx.*
Исходные статистические данные поступлений в государственный бюджет Украины, полученные от приватизации (Рис.6), так же взяты в соответствующих ежегодных отчетах Фонда Госимущества (обычно они либо приводятся в теле отчета, либо, что более характерно для последних лет, выводятся в отдельное приложение). Авторские таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_comulative_total.xlsx Эти данные стали основой для авторских расчетов данных графиков 7-10. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_per_year.xlsx* Данные, касающихся государственного контроля за выполнением условий договор купли-продажи (рисунки 11-18) так же приводятся в соответствующих разделах отчетов Фонда. Авторские таблицы в формате excel, построенные на базе этих данных, могут быть загружены читателем на сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_contracts_over_control.xlsx.*

——————————————————————————————————————-

Этап «большой приватизации» в Украине закончился в 2000 г. За 8 лет (в период с 1992 по 2000 г) было приватизировано 18204 объекта государственной собственности, что в два раза больше чем за следующие 15 лет. (с 2001 по 2016 гг). Всего за период независимости Украина избавилась от «балласта» и передала в частные руки более 28 тыс.предприятий. (Классификация предприятий по группам в соответствии с Законом Украины «О приватизации» приведена в Приложении 1). Большая их часть (более 15 тыс.), конечно же, относилась к так называемой «группе А» - малым предприятиям, стоимость основных фондов которых не превышает 1 млн. гривен. Предприятий групп В и Г – ( большие предприятия, а так же предприятия, имеющие стратегическое значение), было приватизировано более 7 тыс. При этом их львиная доля – более 97% - была приватизирована еще на этапе «большой приватизации» - до 2000 года. В основном это касалось предприятий пищевой, добывающей и перерабатывающей промышленности, металлургии, производства гражданских видов транспорта. Порядка 1400 объектов группы Ж (объекты социо-культурного назначения) так же были приватизированы за годы независимости. Из них около 40% - в период до 2000 года, и 60% - после. (Более детально см.Рис.1.и Рис.2)1

# Organization of data for plotting Fig.1.
# Clean Na's
good <- complete.cases(PrivatizationUA)
PrivatizationUA_clean <- PrivatizationUA[good,]
# Preparing data for plotting
x <- c("A", "B,G", "D", "E", "Zh")
#Creating a dataframe privatized companies by groups
Privatized_companies <- data.frame()
for(i in x){
        temp <- PrivatizationUA_clean %>% filter(Companies.class == i)%>%
                summarise(Companies.class = i ,Number.of.privatized.companies = sum(Number.of.privatized.companies))
        Privatized_companies <- rbind(Privatized_companies, temp)
}
 
Privatized_companies$Companies.class <- as.factor(Privatized_companies$Companies.class)
Таблица приватизированных предприятий по группам2 за период 1992 - 2015 года
# Output the table
Privatized_companies
##   Companies.class Number.of.privatized.companies
## 1               A                          15005
## 2             B,G                           7086
## 3               D                           3949
## 4               E                            749
## 5              Zh                           1386
Рис.1. Количество приватизированных до 2016 г. предприятий по группам
# Plot the dataframe
ggplot(data = Privatized_companies, aes(x = Companies.class, y = Number.of.privatized.companies, 
                                         fill = Companies.class ))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        xlab("Class of privatized companies")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.1. Number of enterprises privatized by 2016 by groups")

# Organization of data for plotting Fig.2.
# Create a function "count_priv_companies" that counts the number of privatized enterprises per group for a given period of time
count_priv_companies <- function(year) {
        # Download tha Data of privatized companies in the Ukraine
        url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/265e2aa7/Data/privatization_ua.xlsx"
        if(!file.exists("privatization_ua.xlsx")){
                download.file(url, destfile = "privatization_ua.xlsx", method = "curl")
        }
        # Read th Data 
        PrivatizationUA <- read.xlsx("privatization_ua.xlsx", sheetName="privatization", header=TRUE)
        # Delete Na's
        good <- complete.cases(PrivatizationUA)
        PrivatizationUA_clean <- PrivatizationUA[good,]
        # Change the column class and give to Na's the value of 1993 year, which was previously 1992-1993
        PrivatizationUA_clean$Year <- suppressWarnings(as.numeric(as.character(PrivatizationUA_clean$Year)))
        PrivatizationUA_clean$Year[c(1,24,46)] <- 1993
        # Create a temporary dataframes
        Privatized_byYear <- data.frame()
        temp2 <- data.frame()
        temp3 <- data.frame()
        # Assign to X the value of classes of privatized enterprises
        x <- c("A", "B,G", "D", "E", "Zh")
        # for-loop which counts the number of enterprises for the given years
        for(i in x){
                for(y in year){
                        temp <- PrivatizationUA_clean %>% filter(Companies.class == i & Year == y) 
                        temp2 <- rbind(temp2, temp) 
                }
                temp3 <- temp2 %>% 
                        summarise(Companies.class = i ,Number.of.privatized.companies = sum(Number.of.privatized.companies))
                Privatized_byYear <- rbind(Privatized_byYear, temp3)
                temp2 <- NULL
        }
                # Output the result value
                Privatized_byYear
}
Рис.2. Количество приватизированных предприятий по группам (1992-2015 гг)
phase1 <- count_priv_companies(1993:2000)
phase2 <- count_priv_companies(2001:2005)
phase3 <- count_priv_companies(2006:2010)
phase4 <- count_priv_companies(2010:2015)
phase1$years <- as.factor(c("1992-2000", "1992-2000", "1992-2000", "1992-2000", "1992-2000"))
phase2$years <- as.factor(c("2001-2005", "2001-2005", "2001-2005", "2001-2005", "2001-2005"))
phase3$years <- as.factor(c("2006-2010", "2006-2010", "2006-2010", "2006-2010", "2006-2010"))
phase4$years <- as.factor(c("2010-2015", "2010-2015", "2010-2015", "2010-2015", "2010-2015"))
all_phases <- rbind(phase1, phase2, phase3, phase4)

ggplot(data = all_phases, aes(x = Companies.class, y = Number.of.privatized.companies, 
                                         fill = Companies.class ))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        xlab("Class of privatized companies")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.2. Number of privatized enterprises by groups (1992-2015)")+
        facet_grid(.~years, scales = "free")

all_phases
##    Companies.class Number.of.privatized.companies     years
## 1                A                           8688 1992-2000
## 2              B,G                           6777 1992-2000
## 3                D                           1565 1992-2000
## 4                E                            544 1992-2000
## 5               Zh                            630 1992-2000
## 6                A                           4040 2001-2005
## 7              B,G                            241 2001-2005
## 8                D                           1977 2001-2005
## 9                E                            124 2001-2005
## 10              Zh                            557 2001-2005
## 11               A                           1767 2006-2010
## 12             B,G                             27 2006-2010
## 13               D                            304 2006-2010
## 14               E                             55 2006-2010
## 15              Zh                            154 2006-2010
## 16               A                            663 2010-2015
## 17             B,G                             50 2010-2015
## 18               D                            116 2010-2015
## 19               E                             43 2010-2015
## 20              Zh                             58 2010-2015

Поскольку практически все предприятия групп В и Г были приватизированы до 2005 (7 тыс.) то структура приватизированных в этот период предприятий по отраслям промышленности даст нам общее понимание того, какие именно сектора реальной экономики государство передало в частные руки. (Рис.3) Как мы видим, основными отраслями промышленности, которых коснулась приватизация, стали машиностроение, строительство, пищевая и транспортная промышленность.

Рис.3. Приватизированные предприятия групп В,Г по отраслям промышленности на 01.01.2005 г.3
Priv_economic_activity
##          economic.activity number.of.privatized.companies.on.01.01.2005
## 1         Mashine building                                         1698
## 2             Construction                                         1355
## 3            Food industry                                         1167
## 4       Transport industry                                         1092
## 5   Construction Materials                                          516
## 6           Light industry                                          391
## 7  Woodprocessing industry                                          241
## 8        Chemical industry                                          156
## 9       Ferrous metallurgy                                          123
## 10           Fuel industry                                           41
## 11       Power engineering                                           38
ggplot(data = Priv_economic_activity, aes(x = economic.activity, y = number.of.privatized.companies.on.01.01.2005, 
                                         fill = economic.activity))+
        geom_bar(colour="black", stat = "identity")+
        coord_flip()+
        xlab("Economic activity")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.3. Number of privatized companies by industries on.01.01.2005")

Об ударных темпах приватизации так же говорит и тот факт, что еще в 2001 году количество государственных предприятий составляло 5% от общего числа предприятий Украины, а уже в 2014 – только 2% (около 6 тыс.), Из них более 2 тыс. относились к предприятиям военно-промышленного комплекса и инфраструктурным предприятиям – отраслям промышленности, пока практически избежавшим приватизации.4 (рис.4).

Рис. 4. Количество государственных и частных предприятий Украины по годам5
OwnershipData
##    year enterprise.ownership number.of.enterprices
## 1  2001                state                  9965
## 2  2006                state                  7562
## 3  2007                state                  7359
## 4  2008                state                  7213
## 5  2009                state                  6975
## 6  2010                state                  6801
## 7  2011                state                  6661
## 8  2012                state                  6512
## 9  2013                state                  6075
## 10 2014                state                  5933
## 11 2001              private                192168
## 12 2006              private                248211
## 13 2007              private                258536
## 14 2008              private                270331
## 15 2009              private                278574
## 16 2010              private                283697
## 17 2011              private                285821
## 18 2012              private                283911
## 19 2013              private                280073
## 20 2014              private                278227
ggplot(data = OwnershipData, aes(x = year, y = number.of.enterprices, 
                                         fill = enterprise.ownership ))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Class of privatized companies")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.4. Number of state and private enterprises in Ukraine by years")

Даже Европейский Союз в лице Европейского Банка Реконструкции и Развития довольно высоко оценил эти успехи Украины на пути передачи государственного имущества в более эффективные частные руки, как обязательного условия успешного экономического развития. В своем ежегодном исследовании, аналитики Банка выставляют индексовый показатель (от «1» до «5»), оценивающий уровень приватизации в стране для крупных и мелких предприятий6:

Приватизации крупных предприятий:

«1» - Низкий уровень приватизации. «2» - Всесторонняя схема почти готова к внедрению; некоторые продажи завершены. «3» - Более 25 процентов крупных предприятий перешли в частные руки или в процессе приватизации. «4» - Более 50 процентов государственных предприятий и сельскохозяйственных активов в частной собственности. «4+» - Стандарты и показатели типичны для передовых промышленно развитых стран: более 75 процентов активов предприятий в частной собственности.

Приватизация мелких предприятий:

«1» - низкий уровень приватизации. «2» Значительная доля приватизирована. «3» Комплексная программа почти готова к реализации. «4» Полная приватизация малых компаний с торгуемых права собственности. «4+» Стандарты и показатели характерны для развитых индустриальных экономик: нет государственной собственности малых предприятий;

По этому комплексному оценочному показателю, начав вместе с другими странами бывшего СССР с «1» в 1990 году, уже к 2014 году Украина поднялась к «3» по приватизации крупных предприятий и к «4» по приватизации малых предприятий, значительно обогнав Беларусь, и совсем немного отстав от Латвии и Литвы, которые прожили эти годы в «европейской семье». (см.рис.5)

Рис.5. Приватизация в Украине, Беларуси, Латвии и Литве. Комплексная оценка ЕБРР по годам.
PrivIndexEBRD
##    year   country privatization.class privatization.index
## 1  1990   Ukraine                 big                 1.0
## 2  2014   Ukraine                 big                 3.0
## 3  1990   Ukraine               small                 1.0
## 4  2014   Ukraine               small                 4.0
## 5  1990   Belarus                 big                 1.0
## 6  2014   Belarus                 big                 1.7
## 7  1990   Belarus               small                 1.0
## 8  2014   Belarus               small                 2.3
## 9  1990    Latvia                 big                 1.0
## 10 2014    Latvia                 big                 3.7
## 11 1990    Latvia               small                 1.0
## 12 2014    Latvia               small                 4.0
## 13 1990 Lithuania                 big                 1.0
## 14 2014 Lithuania                 big                 4.0
## 15 1990 Lithuania               small                 1.0
## 16 2014 Lithuania               small                 4.3
ggplot(data = PrivIndexEBRD, aes(x = country, y = privatization.index, 
                                         fill = country ))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("EBRD privatization index")+
        ggtitle("Fig.5. EBRD's assessment of the level of privatization by years.")+
        facet_grid(privatization.class~year)

К каким результатам в экономике Украины, в совокупности с другими факторами, привело такое структурное изменение, как смена собственника с государственного на частного? Как отразилось на поступлениях в государственный бюджет? Стало ли подспорьем в борьбе с безработицей и бедностью? Подстегнуло ли к развитию промышленности?

ПРИВАТИЗАЦИЯ КАК ИСТОЧНИК ПОПОЛНЕНИЯ ГОСУДАРСТВЕННОГО БЮДЖЕТА УКРАИНЫ?

Считается, что поступления в государственный бюджет от приватизации обычно «значительные», и являются важной статьей формирования доходной части бюджета. Уменьшение поступлений от приватизации в процентном соотношении за предыдущий отчетный период воспринимаются как «большая катастрофа», а увеличение – как «большое достижение», и всерьез и долго обсуждаются журналистами и экспертами в средствах массовой информации. Любознательный слушатель прямо сейчас может забить в поисковике словосочетание «поступления от приватизации в государственный бюджет» и убедиться, что это правда. Следует отметить, что Фонд Госимущества Украины, в своих ежегодных отчетах предпочитает публиковать график ежегодных поступлений в бюджет от приватизации по «накопительному итогу», т.е. прибавляя к отчетному периоду весь предыдущий «запас». В результате получается очень оптимистичная картина (Рис.6)7 некоего «стабильного роста», из которой следует, что всего за 1992-2015 гг от приватизации в бюджет страны поступило 63 млрд.грн.

Рис. 6. Поступления в государственный бюджет Украины от приватизации 1992-2015 гг по накопительному итогу (млн.грн.)
BudgetPriv_comulative
##         Year Million.UAH
## 1  1992-1999      1202.6
## 2       2000      3278.1
## 3       2001      5410.1
## 4       2002      5986.2
## 5       2003      8001.9
## 6       2004     17416.8
## 7       2005     38116.0
## 8       2006     36638.9
## 9       2007     41097.2
## 10      2008     41577.9
## 11      2009     42381.5
## 12      2010     43478.6
## 13      2011     54959.0
## 14      2012     61722.3
## 15      2013     63263.5
## 16      2014     63669.1
## 17      2015     63820.6
ggplot(data = BudgetPriv_comulative, aes(x = Year, y = Million.UAH, group = 1))+
        geom_area(stat = "identity", fill = "darkgray")+
        geom_line(colour="darkblue", size = 0.5)+
        geom_point(colour="darkorange", size = 2)+
        xlab("Year")+
        ylab("Million UAH")+
        ggtitle("Fig.6 Incomes to Ukraine budget from privatization in 1992-2015 (cumulative total)")

Однако, если посмотреть на реальные поступления в бюджет, не приплюсовывая «по-популистски» финансовые результаты всех предыдущих отчетных периодов к текущему, получится совершенно другая картина (рис.7)8.

Рис.7. Поступления в государственный бюджет Украины от приватизации 1992-2015 гг по годам (млн.грн).
BudgetPriv_perYear
##         Year Million.UAH Million.USD
## 1  1992-1999      1202.6      683.30
## 2       2000      2075.5      377.36
## 3       2001      2132.0      387.64
## 4       2002       576.1      104.75
## 5       2003      2015.7      366.49
## 6       2004      9414.9     1711.80
## 7       2005     20699.2     4098.58
## 8       2006       522.9      103.54
## 9       2007      2458.3      486.79
## 10      2008       480.7       60.09
## 11      2009       803.6       80.36
## 12      2010      1097.1      109.71
## 13      2011     11480.4     1148.04
## 14      2012      6763.3      676.33
## 15      2013      1541.2      154.11
## 16      2014       405.6       40.56
## 17      2015       151.5        6.06
ggplot(data = BudgetPriv_perYear, aes(x = Year, y = Million.UAH))+
        geom_bar(colour="black", stat = "identity")+
        
        xlab("Years")+
        ylab("Millions UAH")+
        ggtitle("Fig.7. Number of privatized companies by industries on.01.01.2005")

«Пик» значительно больших поступлений в бюджет 2005 года связан с громкой ре-приватизацией «по честному» нескольких предприятий, проведенный правительством Тимошенко, а «пик» 2011 года – опять же, вынужденной необходимостью наполнить бюджет после президентских выборов 2010 г.
Так же стоит перевести «гривневые» поступления в бюджет Украины от приватизации в более «твердую валюту», например, в номинальные доллары США, что бы иметь возможность сравнивать эффективность приватизации в разные временные периоды. (рис.7а)

Рис.7a. Поступления в государственный бюджет Украины от приватизации 1992-2015 гг по годам (млн.ном.дол.США.)
ggplot(data = BudgetPriv_perYear, aes(x = Year, y = Million.USD))+
        geom_bar(colour="blue", fill = "white", stat = "identity")+
        coord_cartesian(ylim=c(0, 3000))+
        xlab("Years")+
        ylab("Millions USD")+
        ggtitle("Fig.7a. Number of privatized companies by industries on.01.01.2005")

Отдельно стоит отметить, что поступления в бюджет от приватизации за период 1992-2000 года – период, когда было приватизировано более 58% малых предприятий и 97% (!!!) больших и стратегически значимых предприятий, составили 1,06 млрд. номинальных долларов США, а поступления от приватизации с 2000 по 2015 год принесли более 9,5 млрд. – что в 9 раз больше. (Рис.8).

Рис.8. Сравнение поступлений в бюджет Украины от приватизации по периодам (млн.ном.дол.США).
temp <- BudgetPriv_perYear[1:2,] %>% summarise(Year = "1992-2000", Million.USD = sum(Million.USD))
temp2 <- BudgetPriv_perYear[3:17,] %>% summarise(Year = "2001-2015", Million.USD = sum(Million.USD))
BudgetPriv_per2Phases <- rbind(temp, temp2)

#
ggplot(data = BudgetPriv_per2Phases, aes(x = Year, y = Million.USD, fill = Year))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        xlab("Years")+
        ylab("Millions USD")+
        ggtitle("Fig.8. Comparison of revenues to the budget from privatization by period")

Интересным при этом представляется сравнить поступления от приватизации с другими статьями пополнения бюджета и определить долю, которую занимает приватизация в его структуре. (Табл.1.)

Таблица 1. Сравнение поступлений от приватизации с общей доходной частью государственного бюджета Украины (млн. грн.)9

colnames(BudgetPrivReceipts) <- c("Year", "Total Incomes", "Income from privatization", "% Priv. to total income")
BudgetPrivReceipts
##    Year Total Incomes Income from privatization % Priv. to total income NA
## 1  2000       36229.9                    2075.5               5.7300000 NA
## 2  2001       39726.5                    2132.0               5.3700000 NA
## 3  2002       45467.6                     576.1               1.2700000 NA
## 4  2003       55076.9                    2015.7               3.6600000 NA
## 5  2004       70337.8                    9414.9              13.3900000 NA
## 6  2005      105191.9                   20699.2              19.6800000 NA
## 7  2006      127516.0                     522.9               0.4100662 NA
## 8  2007      157287.0                    2458.3               1.5629391 NA
## 9  2008      231686.3                     480.7               0.2100000 NA
## 10 2009      209700.3                     803.6               0.3800000 NA
## 11 2010      240615.2                    1097.1               0.4600000 NA
## 12 2011      314616.9                   11480.4               3.6500000 NA
## 13 2012      346054.0                    6763.3               1.9500000 NA
## 14 2013      339180.3                    1541.1               0.4500000 NA
## 15 2014      357084.2                     405.6               0.1100000 NA
## 16 2015      534694.8                     151.5               0.0300000 NA

Из данных таблицы видно, что в среднем поступления от приватизации составляли 0,9% общих доходов государственного бюджета Украины. Просто для того, что бы убедиться воочию, насколько мала эта доля, отобразим это процентное соотношение на графике (рис.9).

Рис.9. Сравнение поступлений от приватизации с другими статьями дохода государственного бюджета Украины (%).
perc_inc <- data.frame(sum(BudgetPrivReceipts$`Income from privatization`)/sum(BudgetPrivReceipts$`Total Incomes`)*100, 0)
temp <- c(100 - perc_inc[1,1])
perc_inc <- rbind(perc_inc, temp)
colnames(perc_inc) <- c("% revenues", "Source of replenishment of the state budget")
perc_inc$`Source of replenishment of the state budget` <- c("% revenues from privatization", "% revenues from other sources")
#
ggplot(data = perc_inc, aes(x = `Source of replenishment of the state budget`, y = `% revenues`, fill = `Source of replenishment of the state budget`))+
        geom_bar(colour="black", stat = "identity")+
        
        xlab("Years")+
        ylab("Millions USD")+
        ggtitle("Fig.9. Comparison of receipts from privatization with other articles of income")

Если сопоставить поступления в бюджет от приватизации в долларах США по годам с количеством приватизированных за тот же год объектов, то можно получить следующую картину (Рис.10). В 1992-1999 гг один объект приватизации (читай «бизнес») частные собственники покупали у государства в среднем за 41 тыс.дол.США. С 2000 по 2014 год приходилось платить в среднем уже порядка 370 тыс.дол.США, за исключением «конъюнктурных пиков» 2004-2005 и 2011-2012 годов, описанных выше, когда такие покупки обходились в 4-6 млн.дол. В 2015 году, к слову, выкуп одного бизнеса у государства опять практически вернулся к уровню 1992-1999 гг., составив 51 тыс.дол.США.

# Preparing data for figure 10
## The average cost of one privatized state enterprise from 1992 to 1999
avercost <- data.frame("1992-1999", BudgetPriv_perYear[1,3]/sum(count_priv_companies(1993:1999)$Number.of.privatized.companies)*1000) 
avercost2 <- data.frame(as.numeric(NULL,NULL))

## The average cost of one privatized state enterprise from 2000 to 2015 by years
for(i in 2000:2015){
        x <- filter(BudgetPriv_perYear, Year == i)[1,3]
        y <- sum(count_priv_companies(i)$Number.of.privatized.companies)
       temp <- data.frame(i, (x/y)*1000)
       
       if (ncol(avercost2)==ncol(temp)) {names(avercost2) <- names(temp)}
       
       avercost2 <- rbind(avercost2, temp)
}
## Combine the data of the periods 1992-1999 and 2000-2015 into one table
names(avercost) <- names(avercost2) 
avercost <- rbind(avercost2, avercost)
colnames(avercost) <- c("Year", "Nominal thousand USD for 1 company")
avercost$`Nominal thousand USD for 1 company` <- round(avercost$`Nominal thousand USD for 1 company`, 2)

Таблица–. Среднестатистическая стоимость 1го объекта приватизации по годам (ном.тыс.дол.США)

avercost
##         Year Nominal thousand USD for 1 company
## 1       2000                             221.33
## 2       2001                             234.93
## 3       2002                              65.72
## 4       2003                             233.58
## 5       2004                            1384.95
## 6       2005                            4605.15
## 7       2006                             154.08
## 8       2007                             997.52
## 9       2008                             110.87
## 10      2009                             200.90
## 11      2010                             535.17
## 12      2011                            6636.07
## 13      2012                            4001.95
## 14      2013                             928.37
## 15      2014                             405.60
## 16      2015                              51.79
## 17 1992-1999                              41.41
Рис.10. Среднестатистическая стоимость 1го объекта приватизации по годам (ном.тыс.дол.США)
ggplot(data = avercost, aes(x = Year, y = `Nominal thousand USD for 1 company`, fill = Year))+
        geom_bar(colour="black", stat = "identity")+
        
        coord_cartesian(ylim=c(0, 4000))+
        xlab("Years")+
        ylab("Nominal thousand USD")+
        ggtitle("Fig.10. The average cost of 1 privatized company by year")

Кроме того, следует отметить, что приватизация предприятия, как и любая другая смена владельца, зачастую, влечет за собой реструктуризацию, а следовательно, увольнение людей. Поскольку люди, работающие на государственных предприятиях, социально защищены гораздо лучше, чем в частной структуре, все они пользуются системой «социальной защиты», становятся на биржу труда, регистрируются в центрах занятости. Общие затраты государства на 1-го безработного, проходящего через систему социальной защиты, как прямые (выплаты пособий, переобучение, и.т.д.) так и косвенные (зарплаты социальных работников, содержание офисов центров занятости, и т.д.), составляют примерно 5 тыс.евро на человека по оценкам эксперта аналитической платформы VoxUkraine Люка Ванкраена10. Этот же эксперт, в своей статье Outsourcing Privatization In Ukraine To Attract Capital And Raise Efficiency (Аутсорсинг приватизации в Украине для привлечения капитала и повышения эффективности) отмечает, что в результате приватизации только за последние 5 лет более 500 тыс.чел. попали в систему социальной зашиты, потеряв работу из-за реструктуризации предприятия, сменившего собственника. Путем несложных расчетов можно убедиться, что, к сожалению, за последние 5 лет на социальные выплаты, переквалификацию, поиск нового места работы, и т.д. для людей, потерявших работу из-за того, что предприятия, где они работали ранее, были приватизированы, государство потратило примерно 2,5 млрд. евро, а «заработало» на приватизации всего 2,134 млрд. (примерно на 20% меньше).

ГОСУДАРСТВЕННЫЙ КОНТРОЛЬ ИЛИ ВСПОМИНАЕТ ЛИ ГОСУДАРСТВО О СВОЕЙ БЫВШЕЙ СОБСТВЕННОСТИ?

Конечно же, формально существует механизм , благодаря которому государство может контролировать некоторое время (обычно от 3х до 5-ти лет) дальнейшую судьбу объектов, проданных в частные руки. Это специальные условия, указанные в договорах купли-продажи объектов приватизации. Такими условиями могут являться: привлечение инвестиций в приватизированное предприятие, неизменность основных видов деятельности, сохранение (а иногда и увеличение) количества рабочих мест, сохранение объемов выпускаемой продукции, и т.д. Такие договора находятся на контроле Фонда госимущества, которым проводятся ежегодные проверки выполнения указанных условий. Всего по накопительному итогу на 2015 год Фонд госимущества «отслеживал судьбу» 12359 объектов приватизации (43% общего количества приватизированных объектов): из них 2937 – объекты незавершенного строительства (или почти 75% общего количества приватизированных объектов этой группы), 8341 – объекты малой приватизации (56% объектов группы) а так же 1081 объект групп В и Г – крупных и стратегически важных предприятий. Относительно именно этих объектов (В и Г), казалось бы, контроль должен быть максимальным, го государство именно в этой группе, по чему то, оставило за собой право интересоваться дальнейшей судьбой всего лишь 15% предприятий этой группы. (Рис.11 и 12).

Рис.11. Сравнение количества объектов приватизации подлежащих государственному контролю с общим количеством объектов приватизации группы11.
PrivStateControl
##   object.class control.status number.of.objects
## 1            A not controlled              6559
## 2          B,G not controlled              5997
## 3            D not controlled               689
## 4            A     controlled              8341
## 5          B,G     controlled              1081
## 6            D     controlled              2937
PrivStateControl$control.status <- as.factor(PrivStateControl$control.status)
class(PrivStateControl$control.status)
## [1] "factor"
ggplot(data = PrivStateControl, aes(x = object.class, y = number.of.objects, fill = control.status))+
        geom_bar(stat = "identity")+
        xlab("Group of enterprises")+
        ylab("Number of enterprises")+
        ggtitle("Fig.11. Privatized companies under state control and not controled.")

Рис 12. Доля предприятий по группам, договор купли-продажи которых содержит дополнительные условия. (%)
x <- c("A", "B,G", "D")
underControl <- data.frame()
for(i in x){
        temp <- PrivStateControl %>% filter(object.class == i) %>%
                summarise(object.class = i, `% under state control` = number.of.objects[2]/sum(number.of.objects)*100)
        
        underControl <- rbind(underControl, temp)
}

underControl
##   object.class % under state control
## 1            A              55.97987
## 2          B,G              15.27268
## 3            D              80.99835
ggplot(data = underControl, aes(x = object.class, y = `% under state control`, fill = object.class))+
        geom_bar(stat = "identity")+
        xlab("Group of enterprises")+
        ylab("%")+
        ggtitle("Fig.12. Percentage of privatized companies under state control")

Другими словами, в 85% случаях частный собственник, приобретая крупное или стратегически важное предприятие, не брал на себя никаких обязательств ни по привлечению инвестиций, ни по сохранению вида деятельности, ни по объемам выпускаемой продукции, ни по сохранению рабочих мест.

При этом, даже те собственники, которые брали на себя обязательства, соблюдали их отнюдь не всегда. Так, только официальные плановые проверки Фонда госимущества выявляли ежегодно нарушения условий договоров купли-продажи в среднем в 20% случаях от общего количества проверенных договоров. Как видно из графика (рис.13), наибольшее количество нарушений выявлялось на этапе «большой приватизации» - до 2000 года. После этого выявляемое проверками количество нарушений снизилось, и остается на уровне 14-15% ежегодно.

Рис.13. Нарушения, выявляемые проверками условий выполнения договоров купли-продажи приватизированных объектов по годам (% к проверяемым договорам)12.
colnames(Violations_contracts) <- c("Year", "% contracts with violations")
Violations_contracts$Year <- as.factor(Violations_contracts$Year)

Violations_contracts
##             Year % contracts with violations
## 1  1996 \320\263                        36.6
## 2  1997 \320\263                        32.4
## 3  1998 \320\263                        26.6
## 4  1999 \320\263                        20.8
## 5  2000 \320\263                        19.7
## 6  2001 \320\263                        17.9
## 7  2002 \320\263                        16.7
## 8  2003 \320\263                        13.7
## 9  2004 \320\263                        13.5
## 10 2005 \320\263                        15.0
## 11 2006 \320\263                        13.0
## 12 2008 \320\263                        14.0
## 13 2009 \320\263                        13.0
## 14 2012 \320\263                        12.6
## 15 2014 \320\263                        14.5
## 16 2015 \320\263                        13.4
ggplot(data = Violations_contracts, aes(x = Year, y = `% contracts with violations`, group = 1))+
        geom_line(colour="darkblue")+
        geom_point()+
       
        xlab("Year")+
        ylab("%")+
        ggtitle("Fig.13. % Contracts with violations of the terms of sales of privatization objects") 

При этом, каждый слушатель, без сомнения, будучи патриотом и любя свою страну, все же понимает уровень коррупции в ней, и может интуитивно оценить, каким, скорее всего, является реальный уровень нарушений, если данные официальных отчетов держатся на отметке 14-15%. Как же наказываются предприятия, которые нарушают условия договоров купли-продажи? Они оплачивают штрафы. Зная из отчетов Фонда госимущества количество предприятий-нарушителей и общую сумму штрафов, начисленную по результатам ежегодных проверок, несложно подсчитать, во сколько обходится предприятию невыполнение обязательств (в том числе и сохранение основных видов деятельности, создание рабочих мест, привлечение инвестиций). Для возможности сравнивать разные временные периоды, переведем сумму штрафов в номинальные дол.США. (См.рис.14.)

Рис.14 Штрафы, начисленные за нарушение условий договоров купли-продажи объектов приватизации по годам на 1 нарушителя (ном.дол.США)13.
Penalties_per_violation2 <- filter(Penalties_per_violation, Category == "Penalties per violator")
Penalties_per_violation2$year <- as.factor(Penalties_per_violation2$year)
Penalties_per_violation2
##   year               Category            units Number
## 1 2003 Penalties per violator USD per violator    151
## 2 2005 Penalties per violator USD per violator    230
## 3 2006 Penalties per violator USD per violator    199
## 4 2008 Penalties per violator USD per violator    153
## 5 2009 Penalties per violator USD per violator    340
## 6 2012 Penalties per violator USD per violator   1029
## 7 2014 Penalties per violator USD per violator    641
## 8 2015 Penalties per violator USD per violator    254
ggplot(data = Penalties_per_violation2, aes(x = year, y = Number, size=Number, group = 1))+
        geom_line(colour="darkgray")+
        geom_point(colour = "orange")+
       
        xlab("Year")+
        ylab("nominal US dollars per violator")+
        ggtitle("Fig.14. Penalties accrued for violating the terms of privatization for 1 violator")

Сумма штрафа на одно предприятие составляла в среднем 374 доллара США в год, что навряд ли можно назвать серьезным сдерживающим фактором, мотивирующим руководство предприятия не нарушать обязательства по приватизационному договору. А вот «крайняя мера» - возврат предприятия в государственную собственность за все 20 лет была применена всего к 336 объектам. Т.е. из-за невыполнения условий приватизационных договоров было возвращено чуть больше 2% всех приватизированных предприятий, держащихся на контроле в Фонде госимущества. Основной вынужденной необходимостью приватизации промышленных предприятий считается всеми понятное «нет денег» у государства на модернизацию изношенных основных фондов, замену морально-устаревшего оборудования, квалифицированный менеджмент, маркетинг и т.д. Считается, что новый владелец – частник - обязательно вложит инвестиции в купленную собственность, создаст новые рабочие места, повысит зарплаты и предприятие получит «вторую жизнь». Давайте проанализируем по некоторым показателям успехи приватизированных в Украине предприятий14:.

Привлечение инвестиций.

В ежегодных отчетах Фонд госимущества так же публикует статистику по привлеченным в приватизированные предприятия инвестициям по накопительному итогу – картинка получается позитивная, линия графика инвестиций стремится вверх, достигая в 2015 году отметки почти в 30 млрд.грн. (Рис.15)15

Рис.15. Инвестиции в приватизированные предприятия по накопительному итогу (млрд.грн)
PrivatizedCompaniesInvestments
##          Year million.UAH million.USD
## 1  1995-2002         4620  1026.66667
## 2        2003         670   121.81818
## 3        2004         530    96.36364
## 4        2005        1060   209.90099
## 5        2006        1210   239.60396
## 6        2007        1310   259.40594
## 7        2008         510    63.75000
## 8        2009        6790   679.00000
## 9        2010        1170   117.00000
## 10       2011        1780   178.00000
## 11       2012        2360   236.00000
## 12       2013        2130   213.00000
## 13       2014        1360   136.00000
## 14       2015        2330    93.20000
# Пересчитываем таблицу, показывая ежегодный результат по накопительному методу
PCIcommulative <- data.frame(PrivatizedCompaniesInvestments[1,1], PrivatizedCompaniesInvestments[1,2])
for (i in 2:14){
       temp <-  data.frame(PrivatizedCompaniesInvestments[i,1], PrivatizedCompaniesInvestments[i,2] +
                                   PCIcommulative[i-1,2]) 
       names(PCIcommulative) <- names(temp)
       PCIcommulative <- rbind(PCIcommulative, temp)
}

colnames(PCIcommulative) <- c("Year", "Million UAH")

ggplot(data = PCIcommulative, aes(x = Year, y = `Million UAH`, group = 1))+
        geom_line(colour="darkgreen", size = 1)+
        geom_point(colour = "orange")+
        geom_smooth(method = "loess")+
       
        xlab("Year")+
        ylab("Million UAH")+
        ggtitle("Fig.15. Investments in privatized enterprises by cumulative total (Billion UAH)")

Рис.16. Инвестиции в приватизированные предприятия по годам (млн.ном.дол.США)16.
ggplot(data = PrivatizedCompaniesInvestments, aes(x = Year, y = million.USD, group = 1))+
        geom_line(colour="darkorange", size = 1)+
        geom_point(aes(colour = million.USD, size = million.USD))+
        geom_smooth(method = "loess")+
       
        xlab("Year")+
        ylab("Million USD")+
        ggtitle("Fig.16. Investments in privatized enterprises by year (million USD)")

Итого, в приватизированные предприятия Украины частный собственник за 20 лет (с 1995 по 2015 год) вложил 3,6 млрд.дол.США. Если разделить эту сумму на все объекты приватизированной недвижимости, (28 тыс), получится, что каждое предприятие получало чуть более 6 тыс.дол. в год (или 130 тысяч долларов по накопительному итогу за все 20 лет). Даже, предположив, что инвестиции получали только крупные предприятия и объекты «недостроя», что составит 11 тыс.объектов (исключив из общего числа объекты малой приватизации), все равно сумма получится незначительной – 16,7 тыс.дол. ежегодно (или 330 тыс.долларов по накопительному итогу за 20 лет). Очевидно, что подобную сумму вряд ли можно счесть такой, которая в состоянии привести к качественным изменениям, позволяющим предприятиям стать конкурентоспособными на международном рынке, и говорить, например, о модернизации морально-устаревшего станочного парка или замены изношенных основных фондов, к сожалению, не приходится.

Рабочие места.

В среднем только в 7% случаев, заключая договор о купле-продаже со специальными условиями, государство вводило в договор условие о сохранении рабочих мест и только в 5% случаев – условие о создании новых рабочих мест. (Рис.17). При этом не стоит забывать, что эта «опека» касалась только тех объектов, которые находились на контроле у государства (42% от всех приватизированных).

(Рис.17).Доля договоров о купле-продаже, содержащих условия о сохранении и увеличении рабочих, от общего количества договоров, находящихся на контроле Фонда госимущества (%).

Кроме того, интересными представляются и абсолютные цифры, о которых идет речь. Так, в среднем с 2000 по 2005 года, ежегодно приватизированные предприятия брали на себя обязательства по созданию 3000 рабочих мест. В 2015 году на приватизированных предприятиях было создано 234 рабочих места, с 2015 по конец 2017 предприятия должны создать еще 568 рабочих места. (Рис.18). Даже для масштабов областного центра эти цифры просто смешны, а в масштабах страны их вполне можно назвать стремящимися к нулю. При том, что в 2015 году только на учете в центрах занятости как безработные стояло 400 тыс.чел.17:, создание 234 рабочих мест (0,05%) на вряд ли стоит принимать во внимание.

Рис. 18. Кол-во рабочих мест, созданное в рамках выполнения условий договоров купли-продажи государственного имущества по годам (ед.).

ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ УКРАИНЫ, 25 лет пути.

Данные графиков 19-24 взяты из базы данных индикаторов Мирового Банка. Каждый график снабжен ссылкой на соответствующий файл, на момент последней редакции этой работы. Графики 25 и 26 построены на основе данных, публикуемых ЕБРР. На момент последней редакции данной работы, эти данные можно было загрузить по ссылке http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html. Кроме того, данный файл и авторская таблица доступны для скачивания на нашем сайте….

После 1991 года все страны бывшего СССР пережили глубокий экономический кризис, связанный с разрывом тесных экономических связей, большим количеством в экономике предприятий с незавершенным циклом производства, инфляцией, и т.д. Страны проводили экономические реформы, реструктуризировали промышленность, приватизировали ранее принадлежавшие государству предприятия.

Давайте рассмотрим несколько показателей экономического развития Украины, и для сравнения будем использовать аналогичные показатели и других стран, которые в 1990 году были в той же отправной точке, что и Украина, но выбрали разные пути развития – Беларусь, Россию (государственный капитализм) и Латвию, Литву (либеральная открытая экономика). После стремительного падения после распада СССР, ВВП Украины стабильно рос, «догнав» в 2005 году показатель 1992 года. Экономический кризис 2008 года отбросил его на несколько лет назад. Следующие 5 лет, ВВП показывал ежегодный прирост, пока очередной кризис, вызванный уже скорее политическими причинами, опять не уменьшил его в два раза, с 183 млрд. долларов до 90 млрд. (см.Рис. 19)18.

Рис.19. ВВП Украины 1992-2015 гг. (ном.дол.США).
gdp_data_ua <- wb(country = c("UA"), indicator = "NY.GDP.MKTP.CD", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

for(i in 1:24){
       gdp_data_ua$value[i] <- gdp_data_ua$value[i]/1000000000 
}

colnames(gdp_data_ua) <- c("GDP Billions USD", "Year", "Country")

gdp_data_ua
##    GDP Billions USD Year Country
## 1          90.61502 2015 Ukraine
## 2         133.50341 2014 Ukraine
## 3         183.31015 2013 Ukraine
## 4         175.78138 2012 Ukraine
## 5         163.15967 2011 Ukraine
## 6         136.01316 2010 Ukraine
## 7         117.22777 2009 Ukraine
## 8         179.99241 2008 Ukraine
## 9         142.71901 2007 Ukraine
## 10        107.75307 2006 Ukraine
## 11         86.14202 2005 Ukraine
## 12         64.88306 2004 Ukraine
## 13         50.13295 2003 Ukraine
## 14         42.39290 2002 Ukraine
## 15         38.00934 2001 Ukraine
## 16         31.26172 2000 Ukraine
## 17         31.58096 1999 Ukraine
## 18         41.88324 1998 Ukraine
## 19         50.15040 1997 Ukraine
## 20         44.55808 1996 Ukraine
## 21         48.21475 1995 Ukraine
## 22         52.54339 1994 Ukraine
## 23         65.60752 1993 Ukraine
## 24         71.89643 1992 Ukraine
ggplot(data = gdp_data_ua, aes(x = Year, y = `GDP Billions USD`, group = 1))+
        geom_line(colour="darkorange", size = 1)+
        geom_point(colour = "black", size = 2)+
        geom_smooth(method = "loess")+
       
        xlab("Year")+
        ylab("Billions USD")+
        ggtitle("Fig.19. GDP of Ukraine 1992-2015. (Nom. US dollars).")

Если посмотреть на этот показатель в сравнении с выбранными нами бывшими «братскими республиками», то в 1990 году Украина находилась на третьем месте (6763 дол.США), уступая Литве и России (8695 и 8013 дол.США соответственно). Но к 2015 году Украина опустилась в этом рейтинге на последнее место (7940 дол.США), отставая уже более чем в два раза (!) от Беларуси, поднявшейся на четвертое место (17697 дол.США) и почти в 4 раза – от лидера – Литвы (27680 дол.США). (Рис.20). Прирост ВВП Украины за 25 лет составил всего 14%, в то время как другие выбранные для сравнения страны бывшего СССР в среднем показали 70% прироста ВВП за тот же период (см. Рис.20а).

Рис.20. ВВП по некоторым странам. 1992-2015 гг. (доллары США)19
gdp_data <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NY.GDP.MKTP.CD", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)  

for(i in 1:118){
       gdp_data$value[i] <- gdp_data$value[i]/1000000000 
}

temp <- grep("1992|1995|2000|2010|2015", gdp_data$date)
gdp_selectedY <- data.frame()

for(i in temp){
        gdp_selectedY <- rbind(gdp_selectedY, gdp_data[i,])
}

colnames(gdp_selectedY) <- c("GDP Billions USD", "Year", "Country")

gdp_selectedY
##     GDP Billions USD Year            Country
## 1          54.608963 2015            Belarus
## 6          55.220933 2010            Belarus
## 16         12.736856 2000            Belarus
## 21         13.972638 1995            Belarus
## 24         17.022180 1992            Belarus
## 27         41.170729 2015          Lithuania
## 32         37.132564 2010          Lithuania
## 42         11.539211 2000          Lithuania
## 47          7.870782 1995          Lithuania
## 53         27.002832 2015             Latvia
## 58         23.765078 2010             Latvia
## 68          7.937759 2000             Latvia
## 73          5.788369 1995             Latvia
## 79       1331.207746 2015 Russian Federation
## 84       1524.916112 2010 Russian Federation
## 94        259.708496 2000 Russian Federation
## 99        395.531067 1995 Russian Federation
## 102       460.290557 1992 Russian Federation
## 105        90.615023 2015            Ukraine
## 110       136.013156 2010            Ukraine
## 120        31.261718 2000            Ukraine
## 125        48.214752 1995            Ukraine
## 128        71.896429 1992            Ukraine
ggplot(data = gdp_selectedY, aes(x = Country, y = `GDP Billions USD`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("Billions USD")+
        ggtitle("Fig.20. GDP  some countries. 1992-2015")+
        
        coord_flip()+
        
        facet_grid(Year~.)

Рис.20a. Прирост ВВП 2015 г по сравнению с 1992 г (%)
GDPgrowth <- data.frame()
countries <- c("Belarus", "Lithuania", "Latvia", "Russian Federation", "Ukraine")

for(i in countries){
        temp <- gdp_data %>% filter(country == i)
        c <- nrow(temp)
        temp2 <- data.frame(temp[1,3], ((temp[c,1]/temp[1,1])-1)*(-100))
        GDPgrowth <- rbind(GDPgrowth, temp2)
}

colnames(GDPgrowth) <- c("Country", "% of GDP growth")

GDPgrowth
##              Country % of GDP growth
## 1            Belarus        68.19277
## 2          Lithuania        80.88258
## 3             Latvia        78.56385
## 4 Russian Federation        61.17704
## 5            Ukraine        20.65728
ggplot(data = GDPgrowth, aes(x = Country, y = `% of GDP growth`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("% of growth")+
        ggtitle("Fig.20a. GDP growth in 2015 compared with 1990 (%)")

За годы независимости друг от друга, не только абсолютная величина ВВП в этих странах значительно изменилась. Так же некоторые изменения претерпела и структура ВВП. Доля промышленности в ВВП сильно сократилась во всех анализируемых странах. Украина, некогда наиболее промышленая страна СССР претерпела самый большой процесс деиндустриализации. Доля промышленности в ВВП сократилась с 51% в 1992 году, до 26% в 2015 г. Самое меньшее скращение доли промышленности в ВВП претерпела Белорусия, упав всего на 8%, с 47,7% до 39,9%.

Доля сельского хозяйства значительно уменьшилась во всех странах без исключения, и, соответственно, доля сферы услуг выросла почти в 2 раза (см.Рис.21-23)

Рис.21. Доля промышленности в ВВП страны (%)20.
industry_gdp <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NV.IND.TOTL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

temp <- grep("1992|1995|2000|2010|2015", industry_gdp$date)
industry_gdp_selectedY <- data.frame()

for(i in temp){
        industry_gdp_selectedY <- rbind(industry_gdp_selectedY, industry_gdp[i,])
}

colnames(industry_gdp_selectedY) <- c("Industry (% of GDP)", "Year", "Country")

industry_gdp_selectedY
##     Industry (% of GDP) Year            Country
## 1              39.97420 2015            Belarus
## 6              42.20506 2010            Belarus
## 16             39.17020 2000            Belarus
## 21             36.96839 1995            Belarus
## 24             47.77980 1992            Belarus
## 27             30.18047 2015          Lithuania
## 32             29.06580 2010          Lithuania
## 42             29.59527 2000          Lithuania
## 47             31.51827 1995          Lithuania
## 53             23.11596 2015             Latvia
## 58             23.85878 2010             Latvia
## 68             26.53727 2000             Latvia
## 73             30.26274 1995             Latvia
## 79             32.60456 2015 Russian Federation
## 84             34.69617 2010 Russian Federation
## 94             37.94561 2000 Russian Federation
## 99             36.95603 1995 Russian Federation
## 102            43.00748 1992 Russian Federation
## 105            26.30227 2015            Ukraine
## 110            29.28666 2010            Ukraine
## 120            36.31656 2000            Ukraine
## 125            42.68424 1995            Ukraine
## 128            50.91000 1992            Ukraine
ggplot(data = industry_gdp_selectedY, aes(x = Country, y = `Industry (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("%")+
        ggtitle("Fig.21. Industry, value added (% of GDP)")+
        coord_flip()+
        facet_grid(Year~.)

Рис.22. Доля сельского хозяйства в ВВП страны (%)21.
agro_gdp <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NV.AGR.TOTL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

temp <- grep("1992|1995|2000|2010|2015", agro_gdp$date)
agro_gdp_selectedY <- data.frame()

for(i in temp){
        agro_gdp_selectedY <- rbind(agro_gdp_selectedY, agro_gdp[i,])
}

colnames(agro_gdp_selectedY) <- c("Agriculture (% of GDP)", "Year", "Country")

agro_gdp_selectedY
##     Agriculture (% of GDP) Year            Country
## 1                 7.795778 2015            Belarus
## 6                10.569386 2010            Belarus
## 16               14.153227 2000            Belarus
## 21               17.460441 1995            Belarus
## 24               23.572321 1992            Belarus
## 27                3.250462 2015          Lithuania
## 32                3.325049 2010          Lithuania
## 42                6.277472 2000          Lithuania
## 47               11.054790 1995          Lithuania
## 53                3.161636 2015             Latvia
## 58                4.405188 2010             Latvia
## 68                5.118209 2000             Latvia
## 73                8.895919 1995             Latvia
## 79                4.630079 2015 Russian Federation
## 84                3.867401 2010 Russian Federation
## 94                6.434522 2000 Russian Federation
## 99                7.160512 1995 Russian Federation
## 102               7.393539 1992 Russian Federation
## 105              14.036335 2015            Ukraine
## 110               8.421934 2010            Ukraine
## 120              17.082808 2000            Ukraine
## 125              15.400757 1995            Ukraine
## 128              20.356473 1992            Ukraine
ggplot(data = agro_gdp_selectedY, aes(x = Country, y = `Agriculture (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("%")+
        ggtitle("Fig.22. Agriculture, value added (% of GDP)")+
        coord_flip()+
        facet_grid(Year~.)

Рис.23. Доля сферы услуг в ВВП страны (%)22.
service_gdp <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NV.SRV.TETC.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

temp <- grep("1992|1995|2000|2010|2015", service_gdp$date)
service_gdp_selectedY <- data.frame()

for(i in temp){
        service_gdp_selectedY <- rbind(service_gdp_selectedY, service_gdp[i,])
}

colnames(service_gdp_selectedY) <- c("Services (% of GDP)", "Year", "Country")

service_gdp_selectedY
##     Services (% of GDP) Year            Country
## 1              52.23002 2015            Belarus
## 6              47.22556 2010            Belarus
## 16             46.67657 2000            Belarus
## 21             45.57117 1995            Belarus
## 24             28.64788 1992            Belarus
## 27             66.56907 2015          Lithuania
## 32             67.60916 2010          Lithuania
## 42             64.12726 2000          Lithuania
## 47             57.42694 1995          Lithuania
## 53             73.72241 2015             Latvia
## 58             71.73603 2010             Latvia
## 68             68.34452 2000             Latvia
## 73             60.84134 1995             Latvia
## 79             62.76536 2015 Russian Federation
## 84             61.43643 2010 Russian Federation
## 94             55.61987 2000 Russian Federation
## 99             55.88345 1995 Russian Federation
## 102            49.59898 1992 Russian Federation
## 105            59.66140 2015            Ukraine
## 110            62.29140 2010            Ukraine
## 120            46.60063 2000            Ukraine
## 125            41.91500 1995            Ukraine
## 128            28.73353 1992            Ukraine
ggplot(data = service_gdp_selectedY, aes(x = Country, y = `Services (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("%")+
        ggtitle("Fig.23. Services, etc., value added (% of GDP)")+
        coord_flip()+
        facet_grid(Year~.)

Внешний долг как % ВВП страны вырос во всех анализируемых странах. Наибольшей величины он достиг в Латвии (почти 135% от ВВП), на втором месте Украина (81%), не на много отстала от Украины и Литва (72,6%), Беларусь и особенно Россия выглядят на их фоне как страны, не живущие «в долг» - (56 и 31% соответственно). Внешний долг как % ВВВ возрос за последние 10 лет возрос для всех стран, кроме России. Так, для Беларсуи – почти в 3 раза, для Латвии, Литвы и Украины – в 2 раза, а вот для России этот показатель уменьшился на 10%. (Рис.24)23.

Рис.24. Внешний долг как % к ВВП
external_debt <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "GC.DOD.TOTL.GD.ZS", startdate = 1990, enddate = 2015) %>% select(value, date, country)

colnames(external_debt) <- c("Government debt (% of GDP)", "Year", "Country")

#Данные внешнего государственного долга по странам и периодам
external_debt$Year <- as.factor(external_debt$Year)
external_debt
##     Government debt (% of GDP) Year            Country
## 1                    38.869017 2015            Belarus
## 2                    25.422592 2014            Belarus
## 3                    24.629697 2013            Belarus
## 4                    25.224401 2012            Belarus
## 5                    40.754852 2011            Belarus
## 6                    19.593715 2010            Belarus
## 7                    19.185184 2009            Belarus
## 8                    10.656634 2008            Belarus
## 9                     8.909261 2007            Belarus
## 10                    6.644402 2006            Belarus
## 11                    6.570221 2005            Belarus
## 14                   12.336686 2002            Belarus
## 15                   11.440617 2001            Belarus
## 16                   15.014452 2000            Belarus
## 17                   15.103119 1999            Belarus
## 18                   20.180540 1998            Belarus
## 19                   12.171466 1997            Belarus
## 20                   11.520117 1996            Belarus
## 21                   16.880116 1995            Belarus
## 22                   75.954859 1994            Belarus
## 23                    5.186132 1993            Belarus
## 24                   25.635479 1992            Belarus
## 29                   43.760500 2013          Lithuania
## 30                   46.999841 2012          Lithuania
## 31                   40.753198 2011          Lithuania
## 32                   40.638146 2010          Lithuania
## 43                   21.378253 1999          Lithuania
## 44                   14.884720 1998          Lithuania
## 45                   14.519860 1997          Lithuania
## 55                   59.447688 2013             Latvia
## 56                   62.897237 2012             Latvia
## 57                   66.049486 2011             Latvia
## 58                   75.133968 2010             Latvia
## 79                   13.923403 2015 Russian Federation
## 80                   11.356362 2014 Russian Federation
## 81                    9.318649 2013 Russian Federation
## 82                    8.701738 2012 Russian Federation
## 83                    8.701279 2011 Russian Federation
## 84                    9.098114 2010 Russian Federation
## 85                    8.697870 2009 Russian Federation
## 86                    6.495295 2008 Russian Federation
## 87                    7.158433 2007 Russian Federation
## 88                    9.891073 2006 Russian Federation
## 89                   16.660868 2005 Russian Federation
## 92                   41.395860 2002 Russian Federation
## 93                   48.983519 2001 Russian Federation
## 94                   62.149283 2000 Russian Federation
## 95                  100.744837 1999 Russian Federation
## 96                  143.950259 1998 Russian Federation
## 106                  63.665319 2014            Ukraine
## 107                  37.028716 2013            Ukraine
## 108                  33.703100 2012            Ukraine
## 109                  27.482759 2011            Ukraine
## 110                  29.969556 2010            Ukraine
## 111                  24.875124 2009            Ukraine
## 112                  13.826704 2008            Ukraine
## 120                  45.287470 2000            Ukraine
## 121                  60.976448 1999            Ukraine
ggplot(data = external_debt, aes(x = Year, y = `Government debt (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("%")+
        ggtitle("Fig.24. Central government debt, total (% of GDP)")+
        facet_grid(Country~., scales = "free")

При этом, логично ожидать, что одним из эффектов экономических реформ, в частности – приватизации, должно было стать быстрое и эффективное развитие частного сектора. Но, к сожалению, по крайней мере, для Украины это не оправдалось. Так, по данным ЕБРР, доля частного сектора в ВВП Украины в 2010 году по сравнению с 2004 уменьшилась на 5 % и составила 60%, вместо 65% в предыдущем периоде (рис.25)24. То есть, другими словами, государственные компании, даже потеряв в количестве, приобрели в эффективности работы, а вот предприятия, перешедшие из рук государства к частному собственнику, не то что не добавили частному сектору эффективности, а наоборот – потянули его на дно. Возможно, просто из-за того, что большинство их перестало существовать как промышленные предприятия, были ликвидированы и разпилины на металалом?

Рис.25. Доля частных компаний в ВВП Украины (%)
GDPprivat
##   Year % of GDP by private companies
## 1 2004                            65
## 2 2005                            65
## 3 2006                            65
## 4 2007                            65
## 5 2008                            65
## 6 2009                            60
## 7 2010                            60
GDPprivat$`% of GDP by private companies` <- as.numeric(as.character(GDPprivat$`% of GDP by private companies`))
class(GDPprivat$`% of GDP by private companies`)
## [1] "numeric"
ggplot(data = GDPprivat, aes(x = Year, y = `% of GDP by private companies`, group = 1))+
        geom_line(colour="darkblue", size = 1)+
        geom_point(colour = "darkgreen", size = 2)+
        xlab("Year")+
        ylab("%")+
        ggtitle("Fig.25. Private sector share in GDP (in per cent)")

При этом, отдельно стоит отметить, что в 2010 году количество государственных предприятий составляло всего 2,3% от общего числа предприятий Украины. То есть, другими словами, 2,3% предприятий (государственные) генерировали 40% ВВП страны, а 97% предприятий (частные) – 60% ВВП Украины . Для наглядности отобразим это на диаграмме (рис 26).

Рис.26. Доли частных и государственных предприятий в общем количестве предприятий и в ВВП Украины
d1 <- filter(OwnershipData, year == 2010)
d2 <- filter(GDPprivat, Year == "2010")
temp <- data.frame(2010, 40)
names(temp) <- names(d2)
d2 <- rbind(temp, d2)
d2$enterprise.ownership <- c("state", "private") 

p1 <- ggplot(data = d1, aes(x = enterprise.ownership, y = number.of.enterprices, fill = enterprise.ownership))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        xlab("Enterprise ownership")+
        ylab("%")+
        ggtitle("The share of private and public enterprises in the total number of enterprises in Ukraine (2010)")

p2 <- ggplot(data = d2, aes(x = enterprise.ownership, y = `% of GDP by private companies`, fill = enterprise.ownership))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Enterprise ownership")+
        ylab("%")+
        ggtitle("Share of private and public sector in GDP (2010)")       

grid.arrange(p1, p2, ncol = 2)

СТРУКТУРНЫЕ ИЗМЕНЕНИЯ В ТРУДОВЫХ РЕСУРСАХ УКРАИНЫ

Источником данных за последние годы для графиков 27 и 28 стали официальные данные госкомстата Украины, которые публикуются в разделе статистическая информация/ демографические и социальные показатели/ рынок труда, (http://www.ukrstat.gov.ua/), при этом данные о более ранних годах (1990-2000гг) авторам пришлось брать уже из учебников, содержащих соответствующие разделы (например, Аграрна економіка і ринок. Іванух Р. А., Дусановський С. Л., Білан Є. М. - Тернопіль: “Збруч”, 2003. - 305 с.м http://buklib.net/books/31118/). Для удобства читателя, авторские таблицы, составленные по этим данным, можно загрузить на нашем сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/labour.xlsx.* Данные графиков 29-31 и 37а-в были взяты из ежегодного отчета Государственного комитета статистики Украины «Праця Украины 2015, который на момент последней редакции статьи можно было загрузить на сайте Комитета Статистики в разделе Публикации / рынок труда/ Праця України 2015/ (Разделы 6 и 7) http://www.ukrstat.gov.ua/druk/publicat/kat_u/publ11_u.htm . Этот отчет содержит большое количество статистических данных о занятости населения Украины в разрезе территориальных, юридических и экономических аспектов.* Данные для построения графиков 32-35 взяты из глобальной международной базы данных World Bank На момент последней редакции данной работы, эти и другие данные были доступны по ссылке http://datatopics.worldbank.org/jobs/* Графики 36-37 были построены на основе данных глобальной статистической базы NationMaster http://www.nationmaster.com/. Там можно отследить указанные показатели по многим странам.*

К сожалению, за последние 25 лет классификация занятости населения по отраслям экономики менялась не однократно. В разные периоды, например, «образование», относили к «науке», выделяли в отдельную строку отчетов, присоединяли к «культуре и спорту», объединяли с «социальными работниками». «Культуру и спорт» так же в разные периоды либо выделяли отдельно, либо объединяли с индустрией досуга. Досуг относился и к «другим услугам», и к «администрированию». «Социальных работников» в одни периоды объединяли с работниками образования, в другие периоды - с работниками здравоохранения, или так же относили к категории «другое». Из категории «транспорт и связь» выделили отдельно «телекоммуникацию», присовокупив к ней, однако, информацию. Учитывая такие структурные изменения в самих формах статистической отчетности детальный ретроспективный анализ вплоть до 1990 года не возможен ввиду отсутствия данных, пригодных для сравнения. Последние изменения в структуре отчетности были проведены в 2011 году, но последние 5 лет не отражают всех тенденций структурных изменений в занятости населения Украины. Единственные группы классификации занятости населения по отраслям экономики, которые не претерпевали «объединений» и «разделений», и потому остались доступными для ретроспективного анализа - это сельское хозяйство и промышленность. По этому, авторы предлагают воспользоваться международной практикой, характерной для большинства глобальных баз данных. В них, для простоты, в 2 отдельные группы выделяют, собственно, имеющиеся и у нас «промышленность» и «сельское хозяйство», а к третьей группе - «услуги» - относят все остальное. И так, за весь период независимости количество населения Украины, занятое в экономической деятельности, сократилось более чем на на 17 млн.кадров (с 25,4 в 1990 году до 8,3 млн. в 2015 году). (см.табл.2). При том, что в общем численность населения Украины по данным официальной статистики25 сократилась на 9 млн.чел. (с 51,8 в 1990 году до 42,9 млн. в 2015году). А численность населения трудоспособного возраста – всего на 4 млн. человек (30,3 млн. в 1990 году до 26,6 млн. в 2015 году.)26. При этом за 25 лет более 5 млн. специалистов (это почти 70% по сравнению с 1990 годом) потеряла промышленность Украины и 4,36 млн. специалистов (87% по сравнению с 1990 годом) потеряло сельское хозяйство (см.Таблицу 2)27. Вообще, изъятие более 17 млн. кадров из разных областей - невосполнимая потеря для экономики Украины. И если потерю 4 млн. кадрового потенциала объясняют естественные причины (выход на пенсию), то 13 млн.человек - это граждане, которые перешли в нерегламентированную и нелегальную занятость, из грамотных инженеров, технологов, производственников, переквалифицировавшись в неумелых менеджеров по продажам «всего, чего изволите», выехали на заработки за границу, или пополнили ряды безработных (Рис.27)28.

Рис. 27. Сравнение численности населения Украины, занятого в экономической деятельности с численностью населения трудоспособного возраста 1990-2015 гг.
Labour
##      Catergory Year Million.People
## 1     Industry 1990           7.80
## 2     Industry 2000           4.10
## 3     Industry 2011           3.20
## 4     Industry 2015           2.42
## 5  Agriculture 1990           5.00
## 6  Agriculture 2000           4.90
## 7  Agriculture 2011           0.74
## 8  Agriculture 2015           0.64
## 9     Services 1990          12.60
## 10    Services 2000          12.30
## 11    Services 2011           6.22
## 12    Services 2015           5.27

  1. По данным ежегодных отчетов Фонда государственного имущества Украины http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html . Авторская таблица https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_ua.xlsx

  2. Группы объектов приватизации: A - небольшие объекты, B, Г - большие и стратегические предприятия, Д - объекты незавершенного строительства, E - акции и доли, принадлежащие государству в уставном капитале хозяйственных обществ, Ж - социально-культурные объекты (образование, здравоохранение, научно-исследовательские компании).Более детально см.приложение 1.

  3. Отчет Фонда государственного имущества Украины за 2004 г. Приложение 5. (к сожалению, нумерация страниц в приложениях данного отчета отсутствует) http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html

  4. УМОВИ ЗАВЕРШЕННЯ ПРИВАТИЗАЦІЇ В УКРАЇНІ. Аналітичний звіт та рекомендації для Державної програми приватизації. Володимир Дубровський, Олександр Пасхавер, Лідія Верховодова, Барбара Блащик. Варшава, Київ - грудень 2007

  5. “Статистичний щорічник України за 2013 рік”. ДЕРЖАВНА СЛУЖБА СТАТИСТИКИ УКРАЇНИ. За редакцією О.Г.Осауленка. Відповідальний за випуск. О.А. Вишневська. 2013. library.oneu.edu.ua/files/StatSchorichnyk_Ukrainy_2013.pdf. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/number_of_enterprices_%20by_ownership_ua.xlsx

  6. http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html

  7. По данным ежегодных отчетов Фонда государственного имущества Украины http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_comulative_total.xlsx

  8. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_per_year.xlsx

  9. Данные финансового портала МинФин http://index.minfin.com.ua/budget/ Данные авторской таблицы можно загрузить https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx

  10. http://voxukraine.org/2015/01/23/outsourcing-privatization-attracting-capital-while-raising-efficiency/

  11. Авторская таблица, составленная по данным отчета Фонда государственного имущества Украины за 2015 год доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_contracts_over_control.xlsx

  12. Авторская таблица с данными доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/violations_in_%20the_%20contracts_over_control.xlsx

  13. Авторская таблица с данными доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/penalties_per_violation_in_the_contracts_over_control.xlsx

  14. Авторы хотели бы проанализировать все показатели (в первую очередь, сохранение основных видов деятельности и сохранение объемов производства.), но, к сожалению, подробная открытая статистика для этих показателей в нашей стране отсутствует. Данные, и то не полные (не все года), авторы смогли собрать из тех же отчетов Фонда госимущества только по приведенным в этой работе показателям: объем привлеченных инвестиций, количество предприятий, взявших обязательства касательно рабочих мест, вновь созданные рабочие места).

  15. Авторская таблица, составленная на основе данных отчета Фонда государственного имущества Украины за 2015 год доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/investments_in_privatized_companies.xlsx

  16. Авторская таблица, составленная на основе данных отчета Фонда государственного имущества Украины за 2015 год доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/investments_in_privatized_companies.xlsx

  17. http://ua.censor.net.ua/news/405508/u_slujbi_zayinyatosti_na_obliku_stoyit_na_10_menshe_lyudeyi_nij_mynulogo_roku_rozenko

  18. http://data.worldbank.org/indicator/NY.GDP.PCAP.CD

  19. http://data.worldbank.org/indicator/NY.GDP.PCAP.CD

  20. http://data.worldbank.org/indicator/NV.IND.TOTL.ZS

  21. http://data.worldbank.org/indicator/NV.AGR.TOTL.ZS

  22. http://data.worldbank.org/indicator/NV.SRV.TETC.ZS

  23. http://data.worldbank.org/indicator/GC.DOD.TOTL.GD.ZS

  24. http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html. Авторская таблица доступна для скачивания https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/GDP_by_private_companies_ua_by_year.xlsx

  25. http://www.ukrstat.gov.ua/

  26. https://ukrstat.org/uk/operativ/operativ2013/fin/kp_ed/kp_ed_u/arh_kzp_ed_u.htm

  27. http://buklib.net/books/31118/ . Авторская таблица доступна для скачивания по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/labour.xlsx

  28. http://www.ukrstat.gov.ua/